Аннотация:В данной работе рассматривается применение адаптивных свёрточных нейросетевых архитектур для решения трехмерных обратных задач в структурной геофизике. Разработан объектно-ориентированный подход к моделированию геофизических данных, включающий создание базы данных типовых иерархических структурных моделей (грабены, горсты, нормальные и обратные разломы) и расчет прямых задач. Использование свёрточных нейронных сетей с архитектурами, извлекающими локальные признаки, а также методов трансферного обучения позволило улучшить обобщающую способность моделей и адаптировать их к специфике различных геофизических классов по сравнению с многослойными персептронами. Полученные численные результаты демонстрируют принципиальную возможность применения предложенного подхода к решению структурных обратных задач в геофизике. Дополнительно обсуждаются возможные перспективы расширения методологии для анализа сложных неоднородных сред, а также адаптация модели для работы с разнородными источниками геофизических данных.
